GPT-6 Astra vs Claude Fable 5.1 对比实测：同一道 3D 游戏题，表现差在哪？
SandBase 的 GPT-6 Astra vs Claude Fable 5.1 实测：用同一道 3D 游戏题，比较原始代码、启动失败、通关检查、返回耗时与实际 API 账单。
在 SandBase 9 月 7 日的实测中，GPT-6 Astra 与 Claude Fable 5.1 拿到同一道 3D 游戏题。对准备比较生成代码的开发者来说，问题很具体：第一次返回的文件能否启动、遵守关卡规则，并在不修代码的情况下通关？
为了比较这两个模型，我设计了一道相同的测试题：生成一款能在浏览器里运行的 3D 解谜游戏。除了看生成的画面，我还会检查角色能否移动、机关能否触发，以及能不能完成通关。
这次测试，Astra 的表现更好：三次生成都能通关，返回更快，请求费用也更低。最明显的代码问题出现在 Fable 第一次生成时——创建灯光的一处错误，让游戏在启动阶段就停了下来。
先说结论
- Astra 三次生成均通过 15 项功能检查，并完成按键通关与重置。
- Fable 最初三次请求，一次通过、一次启动失败、一次未收到代码；另一次补测通过。
- 收到完整代码的请求中，Astra 用时约 151—195 秒，Fable 约 253—294 秒。
- 按本次 SandBase API 账单，各自三次收到完整代码的请求平均约为 0.42 美元和 1.21 美元，Astra 更低；这不是官方直连价格。
测试题：三间密室，两道门
这道题叫 Aster Vault：三间相连的房间，两道门。玩家先恢复 Relay 供电，再激活 Orbital 装置，最后取得 Aster Core 星核。用 WASD 移动、鼠标转向、E 互动，通关后按 R 重来。
题目不大，但前后条件不能写散。没有供电，第二个机关不能生效；第二个机关没完成，就不能拿到星核。门关闭时必须挡人，打开后必须允许通过。重置也不能只清掉一句“胜利”，还得把玩家位置、门和机关一起恢复。
两款模型拿到相同需求，使用 Three.js——一个在浏览器中绘制 3D 场景的 JavaScript 库——生成单个 HTML 文件。整个比较只看第一次返回的代码，不追加修复。这样，一份漂亮但启动不了的答案，不会在修改之后被算成一次成功。
Astra 三次都能通关
Astra 的三份代码都正常启动，供电、开门、第二机关、星核和重置依次完成。第一份游戏恢复供电后，第一道门打开，屏幕上的目标随之切换到第二间房。
第一道门已经打开，当前目标切换为第二间房的 Orbital 装置。
这几个动作看似普通，却说明画面提示和游戏规则在这一处保持了一致：不是文字宣布门开了，碰撞还留在原地；也不是机关亮了，任务仍停在上一阶段。其余两份 Astra 代码也走完了同样的检查。
三次独立生成都走完这段流程，是 Astra 在本题中最直接的优势：同一份需求重复提交，三份返回代码都不需要修改就能使用。
Fable 首次运行报错
Fable 第一份代码的问题，比关卡设计更基础：创建点光源时，程序试图整体替换一个只读的位置属性，浏览器随即报错：
Cannot assign to read only property 'position' of object '#<PointLight>'具体来说，它用 Object.assign 给光源重新赋了一个 position。在这里应当修改现有位置向量的坐标，而不是替换属性本身。错误发生在初始化阶段，后面的玩法还没机会运行。
这处错误直接决定了第一次生成的结果：浏览器无法完成初始化，房间、机关和胜利条件都无法接受后续检查。对一次生成测试来说，启动本身就是必须通过的第一关。
Fable 第三次生成的版本则是另一种结果。暖色的供电室后方能看到蓝色房间；恢复供电后，Relay 指示灯点亮、任务文字更新，第一道门打开。它和补测版本都没有改过源码。
Relay 已点亮，Orbital 和 Core 仍未完成。
Fable 最初三次请求的结果为一次通过、一次初始化失败、一次未取得代码；补测单独记录为通过。
机关、碰撞和重置
能进入场景，还不等于能通关。五份正常启动的游戏，既接受了 15 项功能检查，也用键盘输入从起点走到终点：走近机关、按 E、穿过门、收集星核，最后按 R 重置。
检查结果可以分成三个部分。机关顺序上，供电前不能激活第二装置，第二装置完成前不能取得星核；碰撞上，两道门关闭时阻挡角色，开启后可以穿过；重置上，通关后按 R，玩家位置和机关状态恢复。五份能启动的代码均通过这些检查。
Fable 补测原文件在未改代码的情况下到达通关界面。
按完整任务计算，Astra 三份代码全部通过，Fable 三份取得代码的版本中两份通过、一份在启动阶段失败，其中一份通过来自补测。具体差距是首次生成的完成情况；对已运行版本的功能检查，没有测出额外的玩法差异。
生成耗时与 API 费用
拿到完整代码的请求中，Astra 用时约 151—195 秒，Fable 约 253—294 秒。这是本次接口请求的等待时间，包含服务端处理和传输，并不能直接换算成模型的推理速度。
费用来自 SandBase API 的实际账单：Astra 平均约 0.42 美元，Fable 约 1.21 美元，后者约为前者的 2.91 倍。两边都按三次收到完整代码的请求计算，Fable 启动失败的那份也计入其中。
也就是说，这次并不是花更多钱、等更久的一方交出了更好的首次生成结果。Astra 在三项观察上同时领先：三次全部完成、返回时间更短、平均请求费用更低。
这轮实测，Astra 胜出
这道 3D 游戏题给出的答案是 Astra：三次原始代码全部通过，约两分半到三分多钟返回，平均每次 SandBase API 费用约 0.42 美元。
Fable 的启动错误则暴露了一个具体短板：一次错误的库调用，就让整份生成代码无法使用。它返回完整代码的请求等待更久，平均费用约 1.21 美元。在本次一次生成的比较中，Astra 用更少的时间和费用完成了更多成功尝试。
测试说明与逐次记录
测试于 2026 年 9 月 7 日通过 SandBase API 进行，路由为 openai/gpt-6-astra 和 anthropic/claude-fable-5.1。系统消息、用户需求和 40,000 token 输出上限一致；推理档位、温度、随机种子未指定，采用各接口默认值，不代表内部算力相同。运行环境为同一台机器的 Chrome，Three.js 0.180.0。
功能检查使用约定的测试接口检查状态、机关和碰撞；另一次按键通关不调用传送、开门或通关方法，只读取坐标与状态。原始游戏源码未修改。按键路线依据源码中的机关位置安排；Fable 第三份的初始路线撞上第二间房中央装置，改为绕行后通过，未修改游戏代码。
对应产品入口是 GPT-6 Astra 与 Claude Fable 5.1，已于 2026 年 9 月 8 日核对。新测试前确认模型 ID、所选接口的请求格式与现价。模型入口不包含本文使用的浏览器、游戏文件和功能检查器。
本轮通过 API 调用模型，并非在 Cursor 内测试。如果你打算在 Cursor 中使用它们，先看 OpenAI 接入限制与 BYOK 的区别；API 能调用，不代表编辑器提供同样的模型与工具。
想做一轮可比较的新实验，可以按下面记录：
- 保存一份系统消息和完整 Aster Vault 需求，写入上面的操作与关卡顺序，两边原样使用。本文的任务摘要并非原始请求全文；重新编写的提示词属于新实验，不是严格重放历史测试。
- 按所选接口文档，用对应字段设定 40,000 token 输出上限；推理档位、温度、随机种子仍不指定，记录接口与实际默认值。默认值可能更新，不要混用 Responses、Messages 和 Chat Completions 的参数。
- 首次回答先存档，再在相同 Chrome 环境和 Three.js 版本下检查启动、机关顺序、关门碰撞与重置，不要修完代码再评分。
- 同时记录接收超时、未收到代码、耗时和全部费用；补测单列，不能拿后来的成功覆盖原先的超时。
这是新一轮比较的操作说明，不是本次更新又做了实测。模型页可见，也不代表已经验证某个账户的调用资格，更不保证得到历史结果。
| 请求 | 返回耗时 | SandBase API 费用 | 结果 |
|---|---|---|---|
| Astra 1 | 151 秒 | $0.37330 | 功能检查、按键通关及重置通过 |
| Astra 2 | 189 秒 | $0.45315 | 同上 |
| Astra 3 | 195 秒 | $0.42480 | 同上 |
| Fable 1 | 253 秒 | $1.14862 | 初始化失败 |
| Fable 2 | 约 300 秒接收超时 | $1.41582 | 未取得代码，质量未知 |
| Fable 3 | 294 秒 | $1.28817 | 功能检查、按键通关及重置通过 |
| Fable 4，补测 | 272 秒 | $1.19942 | 同上 |
补测仅将接收等待上限从 300 秒延长至 600 秒，提示词和模型参数不变。Astra 三份代码的请求费用合计 $1.25125，Fable 三份合计 $3.63621；另有一笔 Astra 请求因采集会话中断未保存代码，费用 $0.41080，未评分。连同 Fable 超时请求，本轮总支出 $6.71408，不含此前测试费用。
如果你更关心日常使用能撑多久，可以接着看 GPT-6 Astra 的 Plus 使用限制与 API 实际费用，其中区分了单次生成账单与订阅额度。
生成一款 3D 游戏，和自己在三维环境中规划行动，是不同的能力。Astra 多模态与空间推理实测结合 MazeBench 的 14% 成绩、参数化建模与可视化案例，进一步拆解这种区别。
Fable 官方评测、缓存读取价格和调用型号，可继续读 Claude Fable 5.1 介绍。本轮只测试首次回答，没有检查 Agent 能否读取报错再修好游戏；后一个问题需要另做Fable 长任务验收，不能拿这里的一次启动失败代替结论。
FAQ
这是两个模型完整编程能力的排名吗？
不是。这里只有一道小型游戏题，比较的是一次生成，没有测试读取报错、修改代码再运行的多轮能力。Fable 的补测也单独列出，没有替换最初那次未知结果。
“可玩”是否代表画面更好、游戏更有趣？
这里的可玩指规定的操作和关卡可以完成。没有做画面盲评、稳定帧率测试或玩家体验调查，也没有覆盖手机、其他浏览器和大型场景。
文中的费用是官方价格吗？
不是，是此次 SandBase API 请求的账单金额。平均费用包含启动失败的代码，但不包含未收到代码的两次请求；这两笔费用保留在测试说明的总支出中。
2026 年 9 月 9 日更新：明确测试由 SandBase 进行，补充 Fable 价格说明与长任务评估链接。实验日期、原始输出、账单和评分均未改动，本次没有重新跑测试。
